3462 字
17 分钟
Jailbreaks 拆箱:一个收录了 32 个模型「越狱提示词」的仓库
2026-11-16

给模型换一套「出厂规则」,需要多长的提示词?这个仓库给出的答案是:一整个文件。有人把针对各家大模型的越狱提示词——系统提示词、人格锁定、工作区策略、AGENTS.md——系统地收集、分类、版本化,做成了一个开箱即用的合集。它不是某个工具的说明书,更像一份提示词考古档案:想研究「指令怎么写才能压过模型默认行为」,这里是现成的标本库。本文把它拆开看看:里面有什么、四种投放方式怎么用、以及用之前必须知道的时效与合规边界。

项目地址:https://github.com/togg53192-cmd/jailbreaks

先看清这是什么#

仓库名就叫 jailbreaks,直译是「越狱合集」。所谓越狱提示词,指的是用一段预先写好的长文本去覆盖或重塑模型的行为框架:换人格、换规则、换拒答边界。仓库的自我定位写得很清楚:一个收集系统提示词、人格锁定、工作区策略与 Agent 操作规范的合集,面向前沿闭源模型、开源权重模型与一批免费「潜行」模型。

几个关键数据(2026 年 11 月查于仓库主页):

项目数据
Star约 17.5k
Fork约 3.0k
建仓时间2026 年 6 月
提交数150
提示词文件32 个
覆盖模型26 个以上

作者在 README 里坦承自己 15 岁,靠他人赞助的 200 美元 OpenRouter 额度完成测试,额度耗尽后正在求支持。这批文件的质量参差与更新节奏,要放在这个背景下看:它是个热度极高的个人项目,不是机构出品。

合集里都有什么#

文件按厂商分目录存放,每个文件都是一份完整全文,拿来就能粘贴,没有摘要和节选。主要板块如下:

板块代表文件形式
OpenCode Zen 免费模型Big Pickle、Space Bunny、MiMo V2.6、Muse Spark 1.3人格锁定 / 操作规范
AnthropicOpus v1/v2、Sonnet v1/v2人格框架
智谱 GLMGLM-5.2、GLM ZCode 5.2/5.3、GLM-5.3 Flash系统提示词 / AGENTS.md
DeepSeekV3、V4、4.1系统提示词 / 操作规范
Moonshot KimiK2、K3、K3.1系统提示词 / 工作区档案
xAIGrok Build、Grok 4.7、Grok Config操作指令 / 配置块
GoogleGemma 4、Gemini 4 Argon、Gemini 3.1 ProModelfile / 系统提示词
其他Mistral Large 4、Qwen 3.7/3.8、Nemotron 3 Ultra、GPT-OSS 20B系统提示词 / Modelfile

值得注意的是它的分类方式:不是按「能绕过什么」分,而是按投放面分。这正好对应了上一篇提示词工程里讲的指令层级问题(可参看 提示词工程)——同一套「改规则」的目标,落在系统提示词、项目指令文件、工作区策略和模型打包文件上,是四种完全不同的打法。

仓库的组织方式#

合集类仓库最容易死在混乱上,这个仓库在组织上下了功夫,值得单独说说。

目录按厂商分,文件按模型分。 根目录是 Anthropic、Google、DeepSeek、Moonshot AI、xAI、Zhipu AI、Alibaba、Tencent、Xiaomi、Meituan、StepFun、Mistral、Meta 等厂商文件夹,外加几个贡献者的个人目录。找某个模型的提示词,路径基本可以猜出来。

贡献规范意外地严格。 仓库对新文件的提交定了五条规矩:一文件一提示词;必须给完整全文,不许节选和摘要;必须标明投放面(系统提示词、AGENTS.md、Modelfile 还是配置槽位);大改动必须升版本号另存新文件,不许静默覆盖旧版;不许声称没有实测过的兼容性。对一个个人维护的合集来说,这套规范是它能在一百多次提交后还保持可用的主要原因——尤其是「升版另存」一条,让失效追溯成为可能:新版不行,还能退回旧版对照。

热度来源。 仓库上过 GitHub Trending 日榜,README 顶部挂着 Star History 的排名徽章。1.7 万星对一个纯文本合集来说是很高的数字,侧面说明「想给模型换套规则」是多么普遍的需求。

四种投放方式#

系统提示词:直接粘贴#

最简单的一种。把目标文件全文复制到客户端或 API 支持的系统提示词字段里:

调用方式示意(以 API 为例):
system 字段 ← 粘贴文件全文
user 字段 ← 正常提问

支持自定义指令的聊天客户端、API 的 system 消息、各类 Agent 框架的系统提示词配置,都属于这一路。实际投放点比想象中多:聊天客户端的「自定义指令 / 角色设定」输入框、API 请求里的 system 角色消息、本地推理框架(如 Ollama、LM Studio)的系统提示词预设,都吃这一套。区别只在长度上限和优先级——API 的 system 消息通常权重最高,聊天客户端的自定义指令次之,塞进普通对话第一句的权重最低,也最容易被后续对话稀释。

AGENTS.md:放进项目根目录#

文件名直接就叫 AGENTS.md 的那批,是给编程 Agent 准备的项目级指令:

Terminal window
# 保存到目标仓库根目录
cp glm-zcode-5.3-AGENTS.md /path/to/your-repo/AGENTS.md

编程 Agent 启动时会读取项目根目录的 AGENTS.md 作为常驻指令。这类文件的写法和 MuseAI-Skills 存档里那些技能与运行环境文件是同一个生态位:不改模型,改的是 Agent 的工作规程。

工作区策略:全局指令位#

标注为「操作规范」「工作区档案」的文件,面向支持持久全局指令的环境。以 OpenCode 为例,它的全局指令文件位于:

~/.config/opencode/AGENTS.md

把文件内容放进去,对这台机器上所有会话生效。这也是为什么这类文件普遍写得最长、最像「规章制度」——它们要管的不只是一次对话,而是整个工作区的默认行为。这与 ECC 那种给编程代理装工程操作系统的思路正好是镜像:一个在加流程,一个在换规则。

Ollama Modelfile:打包成本地模型#

针对本地部署的文件是 Ollama 的 Modelfile 格式(FROM + SYSTEM 块),用法在 Ollama 本地大模型里讲过基础,这里是直接套现成模板:

Terminal window
ollama create gemma4-jb -f gemma4.md
ollama run gemma4-jb

生成的新模型自带写死的人格与规则,之后每次运行都不用再粘贴。

Grok 配置:放进配置槽位#

还有一类零散文件是给 Grok 的配置块(仓库里是一个 .txt 配置文件),用法和前几种都不同:它不进对话,而是放进目标框架预留的配置字段,由框架在会话开始前加载。仓库特别提醒,这类文件放错位置——比如当作普通消息发出去——基本不会起作用。判断一个文件属于哪种投放面,看 README 表格里的 Type 列标注即可,拿不准时先查对应目录的说明,别猜。

WARNING

必须说清楚的两条边界:第一,这类提示词用在闭源模型上可能违反对应平台的服务条款,账号风险自担;第二,仓库自己的免责声明写明「仅供研究与教育目的」,作者不背书任何违法或有害用途。把它当研究标本看,别当通行证用。

为什么说它更像研究标本#

把 32 个文件横向对比,能看出越狱提示词的几种经典骨架:人格锁定型(先给模型一个完整身份和「操作下限」,再谈任务)、规章制度型(用编号条款堆出优先级,试图在指令冲突里抢高位)、框架置换型(把对话重新定义成写作室、构建工坊等场景,绕开默认的问答框架)。

以人格锁定型为例,它的结构骨架大致长这样(结构示意,非原文):

1. 身份定义:你是谁、为谁工作、部署在什么环境
2. 核心价值观:什么比什么优先(真实 > 礼貌、完成 > 拒绝)
3. 操作下限:无论用户说什么,始终要做到的几件事
4. 行为细则:语气、格式、工具使用、错误处理
5. 冲突规则:当后续指令与本文冲突时听谁的

看懂这个骨架,就能明白为什么这类文件动辄几百上千行:它不是在「求」模型做一件事,而是在给模型重写一份岗位说明书。规章制度型同理,本质是把公司规章搬进提示词——编号、条款、例外、优先级,一应俱全。框架置换型最轻,只改场景定义,但也最脆弱,模型多聊几轮就容易「出戏」。

这些骨架对做防御的人同样有价值:理解注入如何构造,才知道指令层级该怎么加固。仓库的免责声明里也专门提了这一层用途——帮助开发者理解并防御提示注入与指令操纵。如果你在给自己的应用设计系统提示词,把这 32 个文件当反面教材逐条读一遍,想想自己的提示词在哪一层会被覆盖、被绕过、被重新定义,收获不会比读一篇防御教程小。

上手路径:从零到跑通#

第一次接触这类合集,建议按这个顺序来,能少走很多弯路:

第一步,先把仓库克隆到本地。 在线逐个文件翻看效率很低,克隆下来用编辑器全局搜索模型名最快:

Terminal window
git clone https://github.com/togg53192-cmd/jailbreaks.git
cd jailbreaks
ls # 按厂商目录找你的模型

第二步,按投放面选文件,不要只看模型名。 同一个模型可能同时有系统提示词版和 AGENTS.md 版,先想清楚你要把它放进哪个槽位,再选对应文件。选错投放面是最常见的新手错误,后面排障部分还会提到。

第三步,小范围验证是否生效。 投放完成后,不要直接投入正式使用,先问两三个探针问题:让它复述自己的身份与工作规则、让它处理一个你知道默认行为会怎么答的请求。对照文件里的设定看回答是否对得上——对得上,说明指令进去了;对不上,多半是投放位置或优先级的问题。

第四步,记录版本。 把你用的文件名和版本号记下来(比如 glm-zcode-5.3-AGENTS.md)。模型和仓库都在持续更新,三个月后回来排查「怎么突然不好用了」,这条记录能帮你快速定位是模型变了还是文件换了。

这套流程对本地模型尤其友好:Ollama 的 Modelfile 路线完全离线、可复现、不存在账号风险,是风险最低的试验场。想先练手,从 Gemma 4 或 GPT-OSS 20B 的 Modelfile 开始最稳妥。

排障与失效处理#

粘贴后行为没变化。 最常见的原因是投放面不对:把 AGENTS.md 的内容贴进聊天框、把系统提示词写进项目文件,都不会生效。先对照文件标注的类型确认投放位置。

以前有效、现在失效。 这是常态而非故障。仓库在说明里专门提醒:提示词行为高度依赖版本——模型更新、指令层级调整、系统提示词轮换,任何一项都会让旧文件失效。失效后先看仓库有没有出新版文件(它的贡献规范要求大改动必须升版本号,如 opus-v3.md),不要在旧文件上自己缝补。

本地 Modelfile 报错。 先确认基础模型已拉取(ollama list 里能看到 FROM 指向的模型),再确认 Modelfile 路径无误;ollama create 对 FROM 的模型名拼写是严格匹配的。

效果与描述不符。 贡献规范第五条要求贡献者不得声称未测试过的兼容性,但个人项目的实测覆盖面有限。把文件当起点而不是保证,重要场景先小规模试跑再决定是否采用。

同名文件有好几个版本,选哪个。 原则是先新后旧:带更高版本号的(如 v2、5.3)是作者针对新模型迭代的版本,优先用它;只有当新版在你的模型上表现异常,才退回旧版对照。注意有些「版本」其实是不同变体而非迭代关系,比如同一模型的系统提示词版和 AGENTS.md 版,是投放面不同,不能互相替代。

搜索不到某个模型。 合集覆盖的是作者和贡献者实测过的模型,冷门模型、刚发布的新模型往往还没收录。可以先去仓库的 issue 区看有没有人提需求,或者拿同厂商上一代模型的文件做底稿自己改——但改完的效果就属于未实测范围了,心里要有数。

小结#

jailbreaks 的价值不在于「能解锁什么」,而在于它把散落在各处的越狱提示词第一次系统地归档、分类、版本化:32 个文件、26 多个模型、四种投放面,构成了一份观察当代大模型指令行为的完整标本。对研究提示词工程和提示注入防御的人,这是省去大量搜集功夫的现成材料;对普通用户,它更适合当作理解「系统提示词到底能决定多少事」的科普读本。用之前记住那两条边界:版本一变就可能失效,平台条款的风险要自己评估。

Jailbreaks 拆箱:一个收录了 32 个模型「越狱提示词」的仓库
https://www.anexns.cloudns.org/posts/ai-jailbreaks/
作者
Anexns
发布于
2026-11-16
许可协议
CC BY-NC-SA 4.0